مدرسة تحليل البيانات

تهدف وحدة أساسيات الإحصاء إلى تقديم تجربة تعلّم شاملة للمشاركين تمتد من محو الأمية البياناتية إلى تطبيقات التحليل الإحصائي.

وفي إطار البرنامج، سيتعلّم المشاركون دور البيانات في البحث العلمي والمفاهيم الإحصائية الأساسية، وسيتعاملون تطبيقيًا مع عمليات جمع البيانات وتنظيمها وتحويلها وتحليلها وتصورها.

وطوال التدريب سيُعمل بأدوات تحليل البيانات مثل Excel وSPSS وR؛ وستُدرَس تقنيات تحليلية مختلفة تمتد من الإحصاء الوصفي إلى اختبارات الفرضيات، ومن تحليل الارتباط والانحدار إلى الأساليب الإحصائية متعددة المتغيرات.

كما ستتناول الوحدة كيفية استخدام الأدوات المدعومة بالذكاء الاصطناعي لإعداد البيانات وتسهيل عمليات التحليل وتوليد الشيفرة والتصوير. وسيُركَّز في هذه التطبيقات على التحقق من النتائج المنتَجة وأمن البيانات وموثوقية عمليات البحث.

وبجمع المعرفة النظرية مع الأعمال التطبيقية، لا تهدف الوحدة إلى تمكين المشاركين من إجراء التحليلات الإحصائية فحسب، بل أيضًا إلى اختيار الأساليب المناسبة لأسئلة البحث، وتقييم نتائج التحليل نقديًا، وتفسير ما يتوصلون إليه من نتائج بصورة ذات معنى.

والغرض الأساسي للوحدة هو تطوير كفاءات المشاركين في العمل المستقل مع البيانات، وإجراء التحليل الإحصائي، واستخدام النتائج في عمليات البحث العلمي.

تهدف وحدة بيانات اللوحة إلى إكساب المشاركين مهارة تحليل البيانات الاجتماعية والاقتصادية باستخدام لغة البرمجة R، وتطبيق الأساليب الاقتصادية القياسية، وتفسير النتائج ضمن إطار علمي. وتقدّم الوحدة مسار تدريب شامل يمتد من المعرفة البرمجية الأساسية إلى التحليلات الاقتصادية القياسية التطبيقية التي تُنفَّذ على مجموعات بيانات حقيقية.

وفي المرحلة الأولى من الوحدة، ستُعرَف لغة البرمجة R وبيئة RStudio. وسيُدرَّس للمشاركين البنى الأساسية لبرمجة R وأنواع البيانات والدوال وتقنيات استيراد البيانات وتنظيفها وتحويلها وإدارتها وتصورها. وبذلك تُبنى البنية التقنية اللازمة لتمكين المشاركين من العمل باستقلال مع مجموعات بيانات واسعة النطاق.

ثم تُعالَج أسس الاقتصاد القياسي وتحليل الانحدار. وتُعرَف بُنى البيانات المقطعية والسلاسل الزمنية وبيانات اللوحة، وتُدرَّس موضوعات الانحدار الخطي البسيط والمتعدد والمتغيرات الفئوية وتحديد النموذج وتفسير المعاملات والاستدلال الإحصائي. وبعد ذلك يُركَّز على المقاربات الأساسية لتحليل بيانات اللوحة، مع شرح كيفية مراعاة الفروق الفردية والزمنية في النماذج الاقتصادية القياسية.

وبعدها تُجرى تطبيقات على بيانات بحثية وطنية ودولية حقيقية. وسيُستفاد من مصادر بيانات شاملة مثل المسح الاجتماعي الميداني العام في تركيا (TGSS)، والمسح الاجتماعي الأوروبي (ESS)، والمسح الطولي الوطني للشباب (NLSY)، ودراسة الصحة والتقاعد (HRS)، ودراسة اللوحة لديناميكيات الدخل (PSID). وفي هذه التطبيقات سيختبر المشاركون عمليات صياغة سؤال البحث وتعريف المتغيرات وإعداد البيانات وإنتاج الإحصاءات الوصفية وتقدير النماذج الاقتصادية القياسية وتفسير النتائج.

وفي نهاية الوحدة يُستهدَف أن يتمكّن المشاركون من إجراء تحليل مستقل ببيانات مقطعية وبيانات لوحة، وعرض النتائج بالجداول والرسوم البيانية، وتطوير تحليلات قابلة للتكرار صالحة للاستخدام في البحوث العلمية.

شهدت علاقة العلوم الاجتماعية بالبيانات تحوّلًا جذريًا خلال العقدين الماضيين. فجزء مهم من الحياة الاجتماعية يجري اليوم في البيئات الرقمية ويخلّف آثارًا. ويمكّننا أرشيف الأخبار ومراسلات وسائل التواصل الاجتماعي والعلاقات بين المنظمات والفاعلين السياسيين والسجلات المرتبطة بالمكان من دراسة العمليات الاجتماعية بمستوى من الحجم والتفصيل لم يكن متاحًا من قبل. فعلى سبيل المثال، يمكننا تتبّع كيفية انتشار موجة احتجاج من مدينة إلى أخرى عبر منشورات وسائل التواصل، وإظهار المفاهيم التي تتحدث بها المعسكرات السياسية ومدى انعزالها بعضها عن بعض عبر ملايين النصوص والتفاعلات.

غير أن وفرة البيانات لا تنتج المعرفة من تلقاء نفسها. فالسؤال عمّن تمثّله هذه البيانات وأي أصوات تُستبعد، وربط النتائج بالتراكم النظري للعلوم الاجتماعية، أصبح أهم من أي وقت مضى. وتقف العلوم الاجتماعية الحاسوبية عند نقطة الالتقاء هذه تمامًا بوصفها مجالًا متعدد التخصصات يسعى إلى إقامة الرابط بين الابتكار المنهجي والسؤال النظري.

وتهدف وحدة العلوم الاجتماعية الحاسوبية إلى تعريف المشاركين الذين اكتسبوا أساس الإحصاء وPython في الفترة الأولى من مدرسة تحليل البيانات بأبرز مناهج هذا المجال. وستُفتتَح دروس الوحدة—التي تُقام كل يوم جمعة بين الساعة 10:00 و13:00 على مدى ثلاثة عشر أسبوعًا بين 5 آذار/مارس و4 حزيران/يونيو 2027—بأسبوع تمهيدي نناقش فيه الأسئلة الأساسية للمجال وتصاميم البحث. وفي الأسابيع الثلاثة التالية سنركّز على الإمكانات والحدود التي تتيحها خوارزميات الذكاء الاصطناعي المختلفة—من تعلّم الآلة إلى نماذج اللغة الكبيرة—لبحوث العلوم الاجتماعية. أما الأسابيع التسعة المتبقية فستُنظَّم في كتل من ثلاثة أسابيع تُخصَّص لتحليل النصوص بتقنيات معالجة اللغة الطبيعية، ودراسة العلاقات الاجتماعية بتحليل الشبكات، والتحليل المكاني للظواهر الاجتماعية بنظم المعلومات الجغرافية. وفي كل كتلة سنجمع—مع أكاديميين متخصصين يجرون بحوثًا في المجال المعني—بين النقاش المفاهيمي والتطبيق على مجموعات بيانات حقيقية.

العلوم الإنسانية الرقمية مجال متعدد التخصصات يجمع أسئلة بحث العلوم الإنسانية مع المناهج الرقمية وتحليل البيانات والمقاربات الحاسوبية. ويقدّم مناهج لهيكلة وتحليل وتفسير النصوص والصور والخرائط ووثائق الأرشيف والمخطوطات وغيرها من البيانات الثقافية المنتَجة في مجالات مثل التاريخ والأدب وعلم اللغة وتاريخ الفن والفلسفة واللاهوت والدراسات الثقافية في البيئة الرقمية.

وتهدف هذه الوحدة إلى تعريف المشاركين—ضمن إطار تطبيقي—بكيفية إنشاء البيانات وتنظيمها وتحليلها وتصورها في بحوث العلوم الإنسانية. وإلى جانب المفاهيم الأساسية لعمليات البحث الرقمي، سيُقدَّم مدخل تطبيقي إلى مناهج ومقاربات مثل إنشاء قواعد البيانات وتنقيب النصوص ومعالجة اللغة الطبيعية ونظم المعلومات الجغرافية (GIS) وتحليل الشبكات ورسم الخرائط الرقمية وتصور البيانات.

وفي نهاية الوحدة يُستهدَف أن يتعرّف المشاركون على المناهج والمقاربات الأساسية للعلوم الإنسانية الرقمية، وأن يعيدوا تقييم أسئلة بحثهم من منظور قائم على البيانات، وأن يُدرجوا المناهج الرقمية المناسبة في عمليات البحث بصورة واعية ونقدية.

وحدة القياس النفسي برنامج تدريبي ذو طابع تطبيقي موجَّه إلى الباحثين في مجالات التربية وعلم النفس والصحة والعلوم الاجتماعية ممن يطوّرون أدوات القياس أو يكيّفونها أو يرغبون في الاستفادة من أساليب تحليل البيانات المتقدمة. وتقدّم الوحدة مسار تعلّم متكامل يمتد من المراحل الأساسية لتطوير المقاييس وتكييفها إلى نمذجة المعادلات البنيوية ونماذج راش ونظرية الاستجابة للمفردة والنمذجة الطولية.

وفي القسم الأول من البرنامج ستُعالَج موضوعات تطوير المقاييس وتكييفها ورأي الخبراء وصدق المحتوى وتحليل المفردات والثبات والتحليل العاملي الاستكشافي (EFA) والتحليل العاملي التوكيدي (CFA). وسيُجري المشاركون التحليلات على مجموعات بيانات حقيقية أو نموذجية عبر Jamovi وR Studio، مكتسبين خبرة في تفسير النتائج وإعداد التقارير العلمية.

أما نمذجة المعادلات البنيوية (SEM)—التي حظيت باهتمام كبير من المشاركين في الفترات السابقة—فستُوسَّع هذا العام لتشمل نماذج القياس والنماذج البنيوية والتأثيرات المباشرة وغير المباشرة وعلاقات الوساطة وتطبيقات ثبات القياس. كما سيُدرَج نمذجة المعادلات البنيوية الطولية (نماذج النمو الكامن) كما في العام الماضي، لفحص كيفية نمذجة المستويات الابتدائية وأنماط التغيّر لدى الأفراد عبر الزمن.

وفي قسم القياس النفسي الحديث سيُركَّز على نماذج مقياس التقدير والدرجات الجزئية من عائلة راش، فضلًا عن نماذج نظرية الاستجابة للمفردة ذات المعلمتين والثلاث معلمات ونموذج راش متعدد الأوجه. وستُجرى التطبيقات باستخدام أدوات مثل Winsteps وFACETS وR/RStudio وتطبيقات الويب مثل Shiny.

والمقاربة الأساسية للوحدة ليست مجرد إظهار «أي زر يُضغط»، بل تمكين المشاركين من اختبار أي منهج يُستخدم في أي موقف، وما الذي يعنيه المخرج، وكيف تُبلَّغ النتائج بصورة قابلة للدفاع عنها علميًا.

في إطار منصة الجامعة الرقمية 2026–2027 تُنظَّم وحدة الإحصاء الحيوي للباحثين في العلوم الصحية وطلاب الليسانس والدراسات العليا والمهنيين الصحيين.

ويهدف هذا البرنامج الذي يمتد 10 أسابيع إلى تعزيز البنية الأساسية في الإحصاء والبرمجة (R / Python) المكتسبة في وحدات المرحلة الأولى بمنظور سريري ووبائي، متجاوزًا المقاربات النظرية في الكتب الدراسية الكلاسيكية. ومن خلال التركيز على تصاميم الدراسات المعقّدة التي تواجه في بحوث الصحة، وسيناريوهات البيانات التي تعكس ديناميكيات الميدان، والأخطاء المنهجية المتكررة في الأدبيات، يسعى إلى إكساب المشاركين المهارات الأساسية في الإحصاء الحيوي.

ماذا تشمل الوحدة؟

تطبيق بسيناريوهات بحث حقيقية: تجربة تحليل شاملة من البداية إلى النهاية بمجموعات بيانات مُصمَّمة كما قد تواجهها في دراسة سريرية أو ميدانية نموذجية.

«أي اختبار أختار ومتى؟»: اتخاذ القرار خطوة بخطوة نحو المنهج الأنسب وفق نوع البيانات وخصائص التوزيع وسؤال البحث.

العوامل المُربِكة والنمذجة متعددة المتغيرات: إدارة المتغيرات المُربِكة الخاصة ببيانات الصحة، والتفاعلات، وبناء نماذج الانحدار بصورة صحيحة.

أخطاء منهجية حرجة: مغالطات القيمة الاحتمالية (p-value)، والإفراط في الملاءمة (overfitting) في النماذج، وانتهاك الافتراضات، ومقاربات البيانات المفقودة.

يُدعى كل من يرغب في توجيه بحثه بنظرة سليمة إلى البيانات واكتساب كفاءة التحليل.

يتكوّن هذا البرنامج التدريبي الشامل—المصمَّم لمن يرغبون في التخصص في عمليات اتخاذ القرار القائمة على البيانات وتطوير مشاريع تحليلية شاملة بلغة البرمجة R—من أربعة أقسام رئيسة. ففي القسم الأول تُقدَّم أساسيات الإحصاء التي تشمل معالجة البيانات بلغة R والاحتمال الأساسي واختبارات الفرضيات. وفي القسم الثاني تُعزَّز كفاءة تصور البيانات، وتُعرض تطبيقات التحليل الاستكشافي للبيانات وتحليل البيانات المفقودة وكشف القيم الشاذة. ثم ينتقل البرنامج إلى عمليات تعلّم الآلة بمعالجة موضوعات أساسية مثل نماذج الانحدار وخوارزميات التصنيف والتعلّم غير المُراقَب والمعالجة المسبقة للبيانات ومنع الإفراط في التعلّم وتحسين المعلمات الفائقة. وفي القسم الأخير تُعالَج تقنيات تعلّم آلة أكثر تقدّمًا تشمل المقاربات القائمة على الأشجار وخوارزميات التجميع وكشف الشذوذ وتطبيقات الذكاء الاصطناعي القابل للتفسير (XAI)، بما يضمن بناء خط أنابيب تحليلي كامل من البداية إلى النهاية. والبرنامج دليل مثالي لمن يرغب في استخراج القيمة من البيانات ودمج نماذج الذكاء الاصطناعي في عمليات العمل.